-
公开(公告)号：CN111024278B
公开(公告)日：2024-09-24
申请号：CN201911045164.5
申请日：2019-10-30
Applicant: 湖南大学
Abstract: 本发明公开了一种新多敏感体分区灵敏力传感器，传感器包括层叠式多敏感区力敏元件、三路检测电路、信号调理电路、信息解耦系统，其中的层叠式多敏感区力敏元件包括底座、三组层叠式力感元件、应变检测元件、承载平台。每个层叠式力敏元件在X、Y、Z三个坐标方向都包括多个相互独立的应变敏感单元。在每个应变敏感单元正反两面上按特定的策略布置了应变检测元件。本发明针对现有力传感器难以满足同时具备大量程及高灵敏度的要求，通过设计力传感器的多个敏感体，各个敏感体在宽量程内自动分区灵敏，最终实现传感器在整个大量程范围中实现多灵敏度测量。
-
公开(公告)号：CN112348810A
公开(公告)日：2021-02-09
申请号：CN202011380684.4
申请日：2020-11-30
Applicant: 湖南大学
Abstract: 本发明公开了一种在役电子系统可靠性评估方法，包括以下步骤：步骤1，给电子系统供电，获取电子系统温度分布图像序列；步骤2，提取元器件子块区域；步骤3，获得各元器件的温度值随时间变化的序列数据；步骤4，建立维纳过程模型，得到电子系统的可靠度函数；步骤5，以各元器件工作温度连续两次超过安全阈值的时间间隔为随机变量，根据极大似然估计法确定漂移参数与扩散系数的先验估计值；步骤6，采用贝叶斯方法逐步更新模型参数，计算得到漂移系数与扩散系数的后验估计值，从而估算电子系统在不同退化程度下的可靠度。本发明采用两次越过阈值的时间间隔来进行失效分析和可靠性评估，具有良好的鲁棒性和准确性。
-
公开(公告)号：CN113405667A
公开(公告)日：2021-09-17
申请号：CN202110552965.1
申请日：2021-05-20
Applicant: 湖南大学
Abstract: 本发明揭示了一种基于深度学习的红外热人体姿态识别方法，包括如下步骤：S1、搭建红外图像拍摄平台，使用热像仪制作单人或多人红外热人体姿态图像及视频数据集并将其划分为训练集、验证集及测试集，使用图片标注工具完成所有数据集的标签标注工作，再转换数据格式；S2、对单人或多人红热外人体姿态训练集、验证集进行反复训练、验证，最终得到平均精度均值达标的红外热人体姿态识别模型；S3、利用测试集对模型进行测试，可以批量预测静态人体姿态图像与动态人体姿态视频；本发明将红外热成像检测技术、机器视觉与深度学习技术相融合，实现了对于红热外人体姿态单人或多人多种动作的图像及视频识别，识别率与准确率较高且速度快。
-
公开(公告)号：CN111024278A
公开(公告)日：2020-04-17
申请号：CN201911045164.5
申请日：2019-10-30
Applicant: 湖南大学
Abstract: 本发明公开了一种新多敏感体分区灵敏力传感器，传感器包括层叠式多敏感区力敏元件、三路检测电路、信号调理电路、信息解耦系统，其中的层叠式多敏感区力敏元件包括底座、三组层叠式力感元件、应变检测元件、承载平台。每个层叠式力敏元件在X、Y、Z三个坐标方向都包括多个相互独立的应变敏感单元。在每个应变敏感单元正反两面上按特定的策略布置了应变检测元件。本发明针对现有力传感器难以满足同时具备大量程及高灵敏度的要求，通过设计力传感器的多个敏感体，各个敏感体在宽量程内自动分区灵敏，最终实现传感器在整个大量程范围中实现多灵敏度测量。
-
公开(公告)号：CN110264045A
公开(公告)日：2019-09-20
申请号：CN201910475587.4
申请日：2019-05-31
Applicant: 湖南大学
Abstract: 本发明公开了一种高频时间序列的波动率估计方法，包括以下步骤：步骤一、数据预处理得到原始的高频收益率序列；步骤二、去除日内周期性得到去除日内周期性的高频收益率序列；步骤三、检验去除日内周期性的高频收益率序列的长记忆性；步骤四、建立引入市场微观结构噪声的高频时间序列波动率模型；步骤五、估计波动率模型参数；步骤六、估计得到去除日内周期性的高频收益率序列的波动率。本发明克服了现有技术存在的市场微观结构噪声对数据的干扰较大，使得得到的波动率与真实波动率相差较大且无法反映日内层面的波动情况，本发明基于高频时间序列的日内波动率估计方法估计的更加准确，可以得到更加准确的日内波动率估计值。
-
Patent Agency Ranking
公开(公告)号：CN111951298A
公开(公告)日：2020-11-17
申请号：CN202010594455.6
申请日：2020-06-25
Applicant: 湖南大学
Abstract: 本发明公开了一种融合时间序列信息的目标跟踪方法，包括以下步骤：步骤1，输入图像序列，根据第t-1帧图像中的初始位置pt和尺度st，提取目标的HOG特征和CN颜色特征；步骤2，将目标特征与余弦窗口进行点乘，然后进行傅里叶变换得到目标特征；步骤3，用第t-1帧的响应图计算响应变量Π、参数 及参数 步骤4，将第1帧到第t-1帧相关滤波器进行时序建模；步骤5，用最小二乘法求出相关滤波器时序模型的自回归参数 步骤6，求解目标函数计算出相关滤波ft、参数θt及λt；步骤7，在第t帧中的候选区域进行特征提取和预处理，并与相关滤波器进行点乘运算作得到响应图，通响应图确定当前帧的目标位置和尺度，该方法可以有效提高目标跟踪的精度和准确率。
-
公开(公告)号：CN104751420A
公开(公告)日：2015-07-01
申请号：CN201510100026.8
申请日：2015-03-06
Applicant: 湖南大学
IPC: G06T5/00
Abstract: 一种基于稀疏表示和多目标优化的盲复原方法，包括以下步骤：(1)训练获得稀疏字典D；(2)读入退化图像Y和稀疏字典D；(3)对退化图像Y分块，重构初始化复原图像；(4)构建基于稀疏先验约束的正则化项，求解图像盲复原的目标函数；(5)将图像盲复原目标函数的求解转化为多目标优化问题；(6)将多目标优化问题中的子目标函数转化为以稀疏系数为自变量的函数；(7)初始化多目标粒子群优化算法；(8)基于多目标粒子群算法求得多目标优化问题的非可支配解集；(9)从非可支配解集中选择最优稀疏系数，重构图像，获得复原后的清晰图像。本发明方法简单；复原结果图像准确、清晰；图像复原问题求解的质量高；可有效消除伪像效应，提高图像复原的效果。
-
公开(公告)号：CN104751420B
公开(公告)日：2017-12-26
申请号：CN201510100026.8
申请日：2015-03-06
Applicant: 湖南大学
IPC: G06T5/00
Abstract: 一种基于稀疏表示和多目标优化的盲复原方法，包括以下步骤：(1)训练获得稀疏字典D；(2)读入退化图像Y和稀疏字典D；(3)对退化图像Y分块，重构初始化复原图像；(4)构建基于稀疏先验约束的正则化项，求解图像盲复原的目标函数；(5)将图像盲复原目标函数的求解转化为多目标优化问题；(6)将多目标优化问题中的子目标函数转化为以稀疏系数为自变量的函数；(7)初始化多目标粒子群优化算法；(8)基于多目标粒子群算法求得多目标优化问题的非可支配解集；(9)从非可支配解集中选择最优稀疏系数，重构图像，获得复原后的清晰图像。本发明方法简单；复原结果图像准确、清晰；图像复原问题求解的质量高；可有效消除伪像效应，提高图像复原的效果。
-
公开(公告)号：CN112348810B
公开(公告)日：2024-04-12
申请号：CN202011380684.4
申请日：2020-11-30
Applicant: 湖南大学
Abstract: 本发明公开了一种在役电子系统可靠性评估方法，包括以下步骤：步骤1，给电子系统供电，获取电子系统温度分布图像序列；步骤2，提取元器件子块区域；步骤3，获得各元器件的温度值随时间变化的序列数据；步骤4，建立维纳过程模型，得到电子系统的可靠度函数；步骤5，以各元器件工作温度连续两次超过安全阈值的时间间隔为随机变量，根据极大似然估计法确定漂移参数与扩散系数的先验估计值；步骤6，采用贝叶斯方法逐步更新模型参数，计算得到漂移系数与扩散系数的后验估计值，从而估算电子系统在不同退化程度下的可靠度。本发明采用两次越过阈值的时间间隔来进行失效分析和可靠性评估，具有良好的鲁棒性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.027 seconds)
